CPU-GPU协同计算的并行奇异值分解方法

被引：2

作者：

周伟

戴宗友

袁广林

陈萍

机构：

[1] 中国人民解放军陆军军官学院计算机教研室

来源：

计算机科学 | 2015年 / 42(S1)卷 / S1期

关键词：

GPU; 协同计算; Jacobi方法; 奇异值分解;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

在目标跟踪应用中,常常采用奇异值分解(SVD)作为基本工具进行动态建库。然而当每秒处理的数据量较大、计算精度要求较高时,SVD的计算耗时往往无法满足应用的实时性能要求。针对这一问题,提出了CPU-GPU协同计算的并行奇异值分解方法。该方法利用GPU与CPU间的异步执行,对奇异值分解过程进行划分从而构造软件流水线,大大挖掘软硬件的并行性。实验表明,该方法比一般的基于GPU的Jacobi方法有约23%的性能提升。相对于CPU上的Intel MKL的奇异值分解函数获得了6.8x的加速比,满足了应用中的实时性能要求。

引用

页码：549 / 552

页数：4